37,719
社区成员
发帖
与我相关
我的任务
分享Python中用正则表达式匹配中文
我想在Python中用正则表达式匹配中文，用的是[\u4e00-\u9fa5]这段代码~~但是匹配结果有问题，这个表达式不仅能匹配中文，也能匹配英文字符~~
在别的语言中试验是好使的，但在Python中不好使~~不知道问什么~~是编码的问题么？
在别的语言中试验是好使的，但在Python中不好使~~不知道问什么~~是编码的问题么？
...全文
请发表友善的回复…
发表回复
iambic 2007-04-07
- 打赏
- 举报
原来的字符串不是unicode。
N / A 2007-04-06
- 打赏
- 举报
ur'[\u2e80-\uffff]'
clydecheung 2007-04-04
- 打赏
- 举报
谢谢zarz，在上面的链接中找到个方法~~
//判断内容里有没有中文-GBK (PHP)
function check_is_chinese($s){
return preg_match('/[\x80-\xff]./', $s);
}
虽然不明所以，但是用上面的正则表达式的确好使~~
//判断内容里有没有中文-GBK (PHP)
function check_is_chinese($s){
return preg_match('/[\x80-\xff]./', $s);
}
虽然不明所以，但是用上面的正则表达式的确好使~~
zarz 2007-04-04
- 打赏
- 举报
编码问题比较复杂, 要考量数据源本身的编码格式, 不同的操作系统和设置导致的结构会有不同.
如果数据确定是gbk或gb2312的话, 你可以参考:
http://blog.csdn.net/heiyeshuwu/archive/2007/01/20/1488900.aspx
如果数据确定是gbk或gb2312的话, 你可以参考:
http://blog.csdn.net/heiyeshuwu/archive/2007/01/20/1488900.aspx
xyzxyz1111 2007-04-04
- 打赏
- 举报
乔丹的gb2312 编码貌似是'\xc7\xc7\xb5\a4'
不在此范围之内
不在此范围之内
clydecheung 2007-04-04
- 打赏
- 举报
很奇怪，汉字的Unicode编码不是从4e00到9fa5的么？
clydecheung 2007-04-04
- 打赏
- 举报
# -*- coding: gb2312 -*-
import re
text = "Jordan (乔丹) Jordan (Jordan)"
p = re.compile(r"Jordan\s*\([^\)]*[\u4e00-\u9fa5][^\)]*\)", re.IGNORECASE)
iterator = p.finditer(text)
for match in iterator:
print match.group()
我想要的结果是"Jordan (乔丹)"，但程序给出的结果是"Jordan (Jordan)"
import re
text = "Jordan (乔丹) Jordan (Jordan)"
p = re.compile(r"Jordan\s*\([^\)]*[\u4e00-\u9fa5][^\)]*\)", re.IGNORECASE)
iterator = p.finditer(text)
for match in iterator:
print match.group()
我想要的结果是"Jordan (乔丹)"，但程序给出的结果是"Jordan (Jordan)"
yangxiao_jiang 2007-04-04
- 打赏
- 举报
贴出代码看看
